CN115454769A - 确定存储器使用率的方法、装置、电子设备和存储介质 - Google Patents

确定存储器使用率的方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115454769A
CN115454769A CN202211118295.3A CN202211118295A CN115454769A CN 115454769 A CN115454769 A CN 115454769A CN 202211118295 A CN202211118295 A CN 202211118295A CN 115454769 A CN115454769 A CN 115454769A
Authority
CN
China
Prior art keywords
memory
determining
time
moment
utilization rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211118295.3A
Other languages
English (en)
Inventor
孙倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211118295.3A priority Critical patent/CN115454769A/zh
Publication of CN115454769A publication Critical patent/CN115454769A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3037Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a memory, e.g. virtual memory, cache
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3055Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/32Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324Display of status information
    • G06F11/327Alarm or error message display

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Techniques For Improving Reliability Of Storages (AREA)

Abstract

本公开提供了一种确定存储器使用率的方法,涉及机器学习领域,尤其涉及数据处理、计算机和存储器技术领域。具体实现方案为:确定存储器使用率发生突降的突降点时刻,其中,突降点时刻为存储器使用率的下降率大于第一阈值的时刻;获取存储器在累积时段内的容量变化数据,累积时段为突降点时刻到存储器的使用率等于第二阈值的时刻之间的时段;根据存储器在累积时段内的容量变化数据,确定存储器使用率与时间之间的关系;以及根据关系,确定存储器在目标时刻的使用率。本公开还提供了一种确定存储器使用率的装置、电子设备和存储介质。

Description

确定存储器使用率的方法、装置、电子设备和存储介质
技术领域
本公开涉及机器学习技术领域,尤其涉及数据处理、计算机和存储器技术。更具体地,本公开提供了一种确定存储器使用率的方法、装置、电子设备和存储介质。
背景技术
对存储器的使用率或者可用容量进行监测,是保证应用系统能够可靠运行的重要手段,能够避免因存储器容量耗尽而引发的系统故障。
发明内容
本公开提供了一种确定存储器使用率的方法、装置、设备以及存储介质。
根据第一方面,提供了一种确定存储器使用率的方法,该方法包括:确定存储器使用率发生突降的突降点时刻,其中,突降点时刻为存储器使用率的下降率大于第一阈值的时刻;获取存储器在累积时段内的容量变化数据,累积时段为突降点时刻到存储器的使用率等于第二阈值的时刻之间的时段;根据存储器在累积时段内的容量变化数据,确定存储器使用率与时间之间的关系;以及根据关系,确定存储器在目标时刻的使用率。
根据第二方面,提供了一种确定存储器使用率的装置,该装置包括:第一确定模块,用于确定存储器使用率发生突降的突降点时刻,其中,突降点时刻为存储器使用率的下降率大于第一阈值的时刻;获取模块,用于获取存储器在累积时段内的容量变化数据,累积时段为突降点时刻到存储器的使用率等于第二阈值的时刻之间的时段;第二确定模块,用于根据存储器在累积时段内的容量变化数据,确定存储器使用率与时间之间的关系;以及第三确定模块,用于根据关系,确定存储器在目标时刻的使用率。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行根据本公开提供的方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一个实施例的是根据本公开一个实施例的存储器使用率和时间的关系图;
图2是根据本公开的一个实施例的确定存储器使用率的方法的流程图;
图3是根据本公开的一个实施例的确定存储器使用率的方法的示意图;
图4是根据本公开的一个实施例的确定存储器使用率与时间之间的关系的方法的示意图;
图5是根据本公开的一个实施例的确定存储器使用率的装置的框图;
图6是根据本公开的一个实施例的确定存储器使用率的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开一个实施例的存储器使用率和时间的关系图。
如图1所示,关系图100的横轴表示时间,纵轴表示存储器使用率。业务数据可以持续写入存储器,存储器的使用率不断增加。根据实际应用场景,在存储器使用率达到一定阈值(例如70%、80%或90%)时,需要进行人工清理,例如将存储器中数据导出,以避免系统过载或者存储器容量耗尽。
人工清理存储器会使得存储器使用率发生突降。例如,关系图100中突降点101~突降点106各自对应的时刻可以是人工清理存储器的时刻。各突降点对应的存储器使用率范围例如是10%~20%。
人工每次清理存储器可以是依据存储器实际使用率以及存储器实际可用容量需求进行的,因此人工清理存储器的时间点(突降点时刻)往往是没有周期的。
一种确定存储器使用率的方法,可以根据存储器在历史时间段内的容量变化数据,预测存储器在未来时段内的使用率。但是,由于人工清理存储器造成历史数据的不确定性,导致该方法预测不准确。
本公开的技术方案中,存储器可以包括半导体存储器(例如MOS型存储器)、磁表面存储器(例如磁盘)、光存储器(例如CD)等各种介质类型的存储器。本实施的存储器可以是应用于集群或单机等多种应用场景下的存储器,本实施例不对此进行限制。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
图2是根据本公开的一个实施例的确定存储器使用率的方法的流程图。
如图2所示,该确定存储器使用率的方法200可以包括操作S210~操作S240。
在操作S210,确定存储器使用率发生突降的突降点时刻。
例如,在检测到存储器使用率由上升变为下降,且存储器使用率的下降率大于第一阈值(例如50%)时,可以确定该时刻为突降点时刻。突降点时刻可以是对应人工清理存储器的时刻,在突降点时刻,存储器使用率发生突降,例如从第一使用率(例如80%)下降到第二使用率(例如20%),存储器使用率的下降率可以表示第一使用率和第二使用率之间的差值(例如60%)。
在操作S220,获取存储器在累积时段内的容量变化数据。
例如,在突降点时刻之后,随着业务数据的写入,存储器使用率开始上升。可以理解,预测存储器使用率的目的在于在存储器已使用容量过满的情况下进行预警,避免存储器可用容量不足或者存储器容量被耗尽。存储器使用率在小于第二阈值(例如60%)的情况下,可以认为存储器的使用是安全的,没有容量被耗尽的风险。因此,在突降点时刻到存储器的使用率等于第二阈值的时刻之间的时段(可以称为累积时段)是不需要预测存储器使用率的。
在系统稳定的情况下,可以认为累积时段内的容量变化数据是稳定的。因此,可以获取累积时段内的容量变化数据,根据该时段内的容量变化数据预测未来时段内的存储器使用率。容量变化数据可以包括在累积时段内,随着时间的增加,存储器已使用容量的变化数据。
在操作S230,根据存储器在累积时段内的容量变化数据,确定存储器使用率与时间之间的关系。
例如,可以对存储器在累积时段内的容量变化数据进行采样,得到多个采样时刻,每个采样时刻可以对应一个存储器已使用容量。根据已使用容量与存储器总容量的比值,可以确定存储器使用率。因此,可以确定与多个采样时刻各自对应的存储器使用率。
例如,对多个采样时刻以及多个存储器使用率进行数据拟合,可以确定存储器使用率与时间之间的关系。示例性地,存储器使用率与时间之间的关系可以是线性关系。
在操作S240,根据存储器使用率与时间之间的关系,确定存储器在目标时刻的使用率。
例如,根据存储器使用率与时间之间的关系,可以预测存储器使用率达到第三阈值(例如70%)的时刻(目标时刻),并生成针对该目标时刻的预警信息,以避免存储器使用率超过第三阈值,造成存储器可用容量不足的风险。
可以理解,第三阈值可以设置多个(例如65%、70%、80%),可以在多个第三阈值的时刻分别进行不同程度的预警,以便于运维人员按照风险程度进行对应处理。
本公开的实施例根据在突降点时刻之后的累积时段内的容量变化数据,确定存储器使用率与时间之间的关系,可以避免因人工清理存储器导致数据不稳定造成的存储器使用率预测不准的问题,提高了存储器使用率预测的准确性。
图3是根据本公开的一个实施例的确定存储器使用率的方法的示意图。
如图3所示,本实施例300包含多个突降点,下面以突降点310、320、330为例对本公开提供的确定存储器使用率的方法进行说明。
为便于描述,可以将突降点310对应的时刻描述为突降时刻310,将突降点320对应的时刻描述为突降时刻320,将突降点330对应的时刻描述为突降时刻330。
可以理解,从突降时刻310到突降时刻330之间的时段由于存在突降点320,导致突降时刻310到突降时刻330之间的时段不具有周期性。但是突降时刻310到突降时刻320之间的时段可以作为一个存储器使用周期(可以称为第一使用周期),突降时刻320到突降时刻330之间的时段也可以作为一个存储器使用周期(可以称为第二使用周期)。本实施例可以在单个存储器使用周期内进行数据拟合以及存储器使用率的预测。
例如,针对第一使用周期,与突降时刻310对应的存储器使用率可以是15%。在突降时刻310之后,如果检测到存储器使用率随时间增加而增长,可以监测存储器使用率是否达到第二阈值(例如60%),存储器使用率达到60%的时刻例如是与点311对应的时刻(可以称为时刻311)。在突降时刻310到时刻311之间,存储器的使用是安全的,且存储器的容量变化数据是稳定的。利用存储器在突降时刻310到时刻311之间的时段内的容量变化数据进行拟合,可以得到第一使用周期内存储器使用率与时间之间的线性关系(可以称为第一线性关系)。根据该第一线性关系,可以预测在时刻311到时刻320之间任意时刻的存储器使用率。还可以在存储器使用率达到第三阈值(例如65%)的时候进行预警,以便运维人员进行人工清理存储器。
在检测到新的突降点(例如突降点320)之后,停止预测第一使用周期内的存储器使用率,针对突降时刻320,进行第二使用周期内的数据拟合和存储器使用率的预测。
与第一使用周期类似,针对第二使用周期,与突降时刻320对应的存储器使用率可以是12%。在突降时刻320之后,监测存储器使用率是否达到第二阈值(例如60%),存储器使用率达到60%的时刻例如是与点321对应的时刻(可以称为时刻321)。利用存储器在突降时刻320到时刻321之间的时段内的容量变化数据进行拟合,可以得到第二使用周期内存储器使用率与时间之间的线性关系(可以称为第二线性关系)。根据第二线性关系,可以预测在时刻321到时刻330之间任意时刻的存储器使用率。还可以在存储器使用率达到第三阈值(例如65%)的时候进行预警,以便运维人员进行人工清理存储器。
本公开实施例在单个存储器使用周期内进行数据拟合以及存储器使用率的预测,能够提高预测准确率。
图4是根据本公开的一个实施例的确定存储器使用率与时间之间的关系的方法的示意图。
如图4所示,时序数据401可以是对单个使用周期内累积时段内的容量变化数据进行采样得到的数据。例如,时序数据401包括多个采样时刻以及与每个采样时刻对应的存储器使用率。可以理解,系统在稳定状态下,存储器的写入速率应变化不大。存储器使用率与时间之间一般具有线性关系。
机器学习模型402可以是经训练的时序模型,例如基于指数平滑算法、鲁棒回归算法或prophet算法等构建的时序模型,使用时间序列样本进行训练后得到该机器学习模型402。该机器学习模型402的输入可以是时间序列(采样时刻)以及对应值(存储器使用率),输出可以未来的时间序列趋势。
将时序数据401输入机器学习模型402,机器学习模型402可以输出未来时段内存储器使用率与时间之间的线性关系403。
本公开实施例使用机器学习模型确定存储器使用率和时间之间的线性关系,可以提高线性关系确定的准确率和效率。
图5是根据本公开的一个实施例的确定存储器使用率的装置的框图。
如图5所示,该确定存储器使用率的装置500包括第一确定模块501、获取模块502、第二确定模块503和第三确定模块504。
第一确定模块501用于确定存储器使用率发生突降的突降点时刻,其中,突降点时刻为存储器使用率的下降率大于第一阈值的时刻。
获取模块502用于获取存储器在累积时段内的容量变化数据,累积时段为突降点时刻到存储器的使用率等于第二阈值的时刻之间的时段。
第二确定模块503用于根据存储器在累积时段内的容量变化数据,确定存储器使用率与时间之间的关系。
第三确定模块504用于根据关系,确定存储器在目标时刻的使用率。
根据本公开的实施例,关系包括线性关系;第三确定模块504包括第一确定单元和生成单元。
第一确定单元用于根据线性关系,确定存储器使用率等于第三阈值的时刻,作为目标时刻。
生成单元用于生成针对目标时刻的预警信息。
获取模块502用于响应于第一确定模块501确定存储器使用率发生突降的新突降点时刻,针对新突降点时刻,执行获取存储器在累积时段内的容量变化数据的操作。
根据本公开的实施例,确定存储器使用率的装置500还包括第四确定模块。
第二确定模块503用于根据存储器在累积时段内的容量变化数据,确定存储器使用周期内的存储器使用率与时间之间的关系。
第三确定模块504用于根据线性关系,确定存储器在存储器使用周期内的目标时刻的使用率。
根据本公开的实施例,第二确定模块503包括采样单元和第二确定单元。
采样单元用于对存储器在累积时段内的容量变化数据进行采样,得到多个采样时刻以及与采样时刻对应的容量数据。
第二确定单元用于将多个采样时刻以及与采样时刻对应的容量数据输入机器学习模型,得到存储器使用率与时间之间的线性关系。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如确定存储器使用率的方法。例如,在一些实施例中,确定存储器使用率的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的确定存储器使用率的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行确定存储器使用率的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (13)

1.一种确定存储器使用率的方法,包括:
确定存储器使用率发生突降的突降点时刻,其中,所述突降点时刻为所述存储器使用率的下降率大于第一阈值的时刻;
获取所述存储器在累积时段内的容量变化数据,所述累积时段为所述突降点时刻到所述存储器的使用率等于第二阈值的时刻之间的时段;
根据所述存储器在累积时段内的容量变化数据,确定所述存储器使用率与时间之间的关系;以及
根据所述关系,确定所述存储器在目标时刻的使用率。
2.根据权利要求1所述的方法,其中,所述关系包括线性关系;所述根据所述关系,确定所述存储器在目标时刻的使用率包括:
根据所述线性关系,确定所述存储器使用率等于第三阈值的时刻,作为所述目标时刻;以及
生成针对所述目标时刻的预警信息。
3.根据权利要求1或2所述的方法,还包括:
响应于确定所述存储器使用率发生突降的新突降点时刻,针对所述新突降点时刻,返回获取所述存储器在累积时段内的容量变化数据的操作。
4.根据权利要求3所述的方法,还包括:
将所述突降点时刻到所述新突降点时刻之间的时段确定为存储器使用周期;
所述根据所述存储器在累积时段内的容量变化数据,确定所述存储器使用率与时间之间的关系包括:
根据所述存储器在累积时段内的容量变化数据,确定所述存储器使用周期内的所述存储器使用率与时间之间的关系;
所述根据所述关系,确定所述存储器在目标时刻的使用率包括:
根据所述线性关系,确定所述存储器在所述存储器使用周期内的目标时刻的使用率。
5.根据权利要求1至4中任一项所述的方法,其中,所述根据所述存储器在累积时段内的容量变化数据,确定所述存储器使用率与时间之间的关系包括:
对所述存储器在累积时段内的容量变化数据进行采样,得到多个采样时刻以及与所述采样时刻对应的容量数据;以及
将所述多个采样时刻以及与所述采样时刻对应的容量数据输入机器学习模型,得到所述存储器使用率与时间之间的线性关系。
6.一种确定存储器使用率的装置,包括:
第一确定模块,用于确定存储器使用率发生突降的突降点时刻,其中,所述突降点时刻为所述存储器使用率的下降率大于第一阈值的时刻;
获取模块,用于获取所述存储器在累积时段内的容量变化数据,所述累积时段为所述突降点时刻到所述存储器的使用率等于第二阈值的时刻之间的时段;
第二确定模块,用于根据所述存储器在累积时段内的容量变化数据,确定所述存储器使用率与时间之间的关系;以及
第三确定模块,用于根据所述关系,确定所述存储器在目标时刻的使用率。
7.根据权利要求6所述的装置,其中,所述关系包括线性关系;所述第三确定模块包括:
第一确定单元,用于根据所述线性关系,确定所述存储器使用率等于第三阈值的时刻,作为所述目标时刻;以及
生成单元,用于生成针对所述目标时刻的预警信息。
8.根据权利要求6或7所述的装置,其中,所述获取模块,用于响应于所述第一确定模块确定所述存储器使用率发生突降的新突降点时刻,针对所述新突降点时刻,执行获取所述存储器在累积时段内的容量变化数据的操作。
9.根据权利要求8所述的装置,还包括:
第四确定模块,用于将所述突降点时刻到所述新突降点时刻之间的时段确定为存储器使用周期;
所述第二确定模块,用于根据所述存储器在累积时段内的容量变化数据,确定所述存储器使用周期内的所述存储器使用率与时间之间的关系;
所述第三确定模块,用于根据所述线性关系,确定所述存储器在所述存储器使用周期内的目标时刻的使用率。
10.根据权利要求6至9中任一项所述的装置,其中,所述第二确定模块包括:
采样单元,用于对所述存储器在累积时段内的容量变化数据进行采样,得到多个采样时刻以及与所述采样时刻对应的容量数据;以及
第二确定单元,用于将所述多个采样时刻以及与所述采样时刻对应的容量数据输入机器学习模型,得到所述存储器使用率与时间之间的线性关系。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序存储于可读存储介质和电子设备其中至少之一上,所述计算机程序在被处理器执行时实现根据权利要求1至5中任一项所述的方法。
CN202211118295.3A 2022-09-14 2022-09-14 确定存储器使用率的方法、装置、电子设备和存储介质 Pending CN115454769A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211118295.3A CN115454769A (zh) 2022-09-14 2022-09-14 确定存储器使用率的方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211118295.3A CN115454769A (zh) 2022-09-14 2022-09-14 确定存储器使用率的方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115454769A true CN115454769A (zh) 2022-12-09

Family

ID=84303486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211118295.3A Pending CN115454769A (zh) 2022-09-14 2022-09-14 确定存储器使用率的方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115454769A (zh)

Similar Documents

Publication Publication Date Title
CN116049146B (zh) 一种数据库故障处理方法、装置、设备及存储介质
CN115686910A (zh) 一种故障分析方法、装置、电子设备及介质
CN113468021B (zh) 监控性能数据的方法、装置、设备以及存储介质
CN114301803B (zh) 网络质量检测方法、装置、电子设备及存储介质
CN115454769A (zh) 确定存储器使用率的方法、装置、电子设备和存储介质
CN114330437A (zh) 一种故障检测方法及故障分类模型的训练方法、装置
CN114661562A (zh) 一种数据告警方法、装置、设备及介质
CN115361078B (zh) 一种传输区间确定方法、装置、电子设备及介质
CN115829160B (zh) 一种时序异常预测方法、装置、设备及存储介质
CN113960965B (zh) 数据处理方法、装置、电子设备和可读存储介质
CN114513441B (zh) 基于区块链的系统维护方法、装置、设备及存储介质
CN118313102A (zh) 页岩气藏最终可采储量的预测方法、装置、设备及介质
CN116302370A (zh) 一种返回码异常告警的生成方法、装置、设备及介质
CN115840645A (zh) 预测负载指标的方法、装置、存储介质以及电子设备
CN113360486A (zh) 数据预测方法、装置、电子设备和介质
CN115129538A (zh) 一种事件处理方法、装置、设备及介质
CN117632027A (zh) 一种磁盘空间处理方法、装置、设备及存储介质
CN117634443A (zh) 关口表数据矫正方法、装置、设备和存储介质
CN115955189A (zh) 一种发电异常的检测方法、装置、设备及介质
CN118074625A (zh) 设备故障检测方法、装置、设备及存储介质
CN117608753A (zh) 一种虚拟机调度方法、装置、电子设备及存储介质
CN116754898A (zh) 基于电缆录波的电缆故障诊断方法、装置、设备和介质
CN113901451A (zh) 链接检测方法、装置、电子设备以及存储介质
CN117608896A (zh) 交易数据处理方法、装置、电子设备及存储介质
CN118195070A (zh) 机械部件的使用寿命管理方法、装置、设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination